The Impact of Video-Mediated Communication on Social Predictions and Theory of Mind Activation
Notice bibliographique
Résumé
<p> </p> <p>Humans have a remarkable ability to predict strangers’ willingness to cooperate, an essential evolutionary trait to reduce free riding and foster social cooperation. This ability has been linked to the Theory of Mind (ToM), a cognitive mechanism that enables individuals to infer others’ intentions, beliefs, and behaviors. However, with the increasing prevalence of video-mediated communication tools such as Zoom and Google Meet, it is unclear whether this ability—evolved in face-to-face (FtF) settings—remains intact. This study addresses a critical gap in understanding how video-mediated communication affects ToM activation. Specifically, we explore whether video interactions impair cooperativeness predictions compared to FtF interactions, and the extent to which egocentric biases arise in mediated settings. We propose three hypotheses: cooperativeness prediction is more accurate than chance in FtF settings, no better than chance in video settings, and highly egocentric in video settings. Across three studies (n1=98, n2=120, n3=91), we confirmed these hypotheses with post hoc analyses ruling out language, non-verbal cues, and extended interaction time as explanations. A fourth study (n4=83) supported theoretical explanations and highlighted the role of eye gaze in prediction accuracy. Our findings suggest limitations in digital communication, impacting virtual team dynamics and trust formation, and indicate the need for technological advancements to enhance non-verbal cue perception in video conferencing.</p>
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».